統(tǒng)計(jì)學(xué)（第五版）

第1章 統(tǒng)計(jì)、數(shù)據(jù)和計(jì)算機(jī)
開篇案例：怎樣理解這樣一些統(tǒng)計(jì)結(jié)論?
1．1 統(tǒng)計(jì)及其應(yīng)用領(lǐng)域
1．2 怎樣獲得統(tǒng)計(jì)數(shù)據(jù)
1．3 統(tǒng)計(jì)與計(jì)算機(jī)
本章圖解：統(tǒng)計(jì)方法分類與本書框架

第2章 用圖表展示數(shù)據(jù)
開篇案例：用哪些圖形展示獎牌?
2．1 用圖表展示定性數(shù)據(jù)
2．2 用圖表展示定量數(shù)據(jù)
2．3 合理使用圖表
本章圖解：數(shù)據(jù)類型與圖表展示方法

第3章 用統(tǒng)計(jì)量描述數(shù)據(jù)
開篇案例：哪名運(yùn)動員的發(fā)揮更穩(wěn)定?
3．1 水平的度量
3．2 差異的度量
3．3 分布形狀的度量
本章圖解：數(shù)據(jù)分布特征與描述統(tǒng)計(jì)量

第4章 概率分布
開篇案例：神舟七號飛船遭遇空間碎片的概率有多大?
4．1 度量事件發(fā)生的可能性
4．2 隨機(jī)變量的概率分布
4．3 其他幾個(gè)重要的統(tǒng)計(jì)分布
4．4 樣本統(tǒng)計(jì)量的概率分布
本章圖解：隨機(jī)變量的概率分布

第5章 參數(shù)估計(jì)
開篇案例：大學(xué)生每周上網(wǎng)花多少時(shí)間?
5．1 參數(shù)估計(jì)的基本原理
5．2 一個(gè)總體參數(shù)的區(qū)間估計(jì)
5．3 兩個(gè)總體參數(shù)的區(qū)間估計(jì)
5．4 樣本量的確定
本章圖解：參數(shù)估計(jì)所使用的分布

第6章 假設(shè)檢驗(yàn)
開篇案例：正常人的平均體溫是37℃嗎?
6．1 假設(shè)檢驗(yàn)的基本原理
6．2 一個(gè)總體參數(shù)的檢驗(yàn)
6．3 兩個(gè)總體參數(shù)的檢驗(yàn)
本章圖解：假設(shè)檢驗(yàn)所使用的分布

第7章 分類變量的推斷
開篇案例：性別與是否逃課有關(guān)系嗎?
7．1 一個(gè)分類變量的擬合優(yōu)度檢驗(yàn)
7．2 兩個(gè)分類變量的獨(dú)立性檢驗(yàn)
7．3 兩個(gè)分類變量的相關(guān)性度量
本章圖解：分類變量檢驗(yàn)方法

第8章 方差分析與實(shí)驗(yàn)設(shè)計(jì)
開篇案例：不同運(yùn)動隊(duì)的平均成績之間是否有顯著差異?
8．1 方差分析的基本原理
8．2 單因素方差分析
8．3 雙因素方差分析
8．4 實(shí)驗(yàn)設(shè)計(jì)初步
本章圖解：方差分析過程

第9章 一元線性回歸
開篇案例：子代與父代一樣嗎?
9．1 變量間的關(guān)系
9．2 一元線性回歸模型的估計(jì)和檢驗(yàn)
9．3 利用回歸方程進(jìn)行預(yù)測
9．4 用殘差檢驗(yàn)?zāi)Ｐ偷募俣?br>本章圖解：一元線性回歸的建模過程

第10章 多元線性回歸
開篇案例：身高受哪些因素影響?
10．1 多元線性回歸模型
10．2 擬合優(yōu)度和顯著性檢驗(yàn)
0．3 多重共線性及其處理
10．4 利用回歸方程進(jìn)行預(yù)測
10．5 啞變量回歸
本章圖解：多元線性回歸的建模過程
第11章 時(shí)間序列預(yù)測
開篇案例：下個(gè)月的消費(fèi)者信心指數(shù)是多少?
11．1 時(shí)間序列的成分和預(yù)測方法
11．2 平穩(wěn)序列的預(yù)測
11．3 趨勢預(yù)測
11．4 多成分序列的預(yù)測
本章圖解：時(shí)間序列預(yù)測的程序和方法

第12章 主成分分析和因子分析
開篇案例：因子分析得到的是什么?
12．1 主成分分析
12．2 因子分析
本章圖解：主成分分析和因子分析的步驟

第13章 聚類分析
開篇案例：怎樣把消費(fèi)者分類?
13．1 聚類分析基本原理
13．2 層次聚類
13．3 K均值聚類
本章圖解：聚類分析方法

第14章 非參數(shù)檢驗(yàn)
開篇案例：不同商圈的報(bào)紙發(fā)行量是否有差異?
14．1 單樣本的檢驗(yàn)
4．2 兩個(gè)及兩個(gè)以上樣本的檢驗(yàn)
14．3 秩相關(guān)及其檢驗(yàn)
本章圖解：非參數(shù)檢驗(yàn)方法
附錄 解讀指數(shù)